WHAMPOA - An Interdisciplinary Journal 50(2006) 195-206
台灣與大陸線上遊戲產業策略聯盟之研究
以資料包絡法與二次驗證為基礎
王嘉男* 邱述濱† 蔡仁瀚† 林于正† 邱繼加† * 前衛科技股份有限公司 科技中心 † 開南管理學院 資訊及電子商務學系摘要
近年來由於台灣線上遊戲(On-line Game)產業快速的發展，台灣線上遊戲公司不斷 引進來自美日韓的許多知名線上遊戲，顯示台灣在遊戲軟體市場競爭相當激烈。由於台 灣遊戲市場趨於飽和，許多遊戲公司紛紛朝向中國市場開拓商機，包括在中國成立公司 或與中國的遊戲廠商進行策略聯盟，在眾多的遊戲公司裡，要如何整合兩岸遊戲軟體公 司且創造出更好的經營績效?本研究以資料包絡法(Data Envelopment Analysis，簡稱 DEA) 為基礎，結合本身的研究，提出一套有系統的模式，其目的在為線上遊戲公司進行策略 聯盟時，有效來尋找聯盟的對象及分析策略聯盟後新公司的預期經營效率，並提出二次 驗證，其主要目的再利用二次驗證研究績效變佳之合併公司於模擬真實市場中是否應進 行垂直或水平整合投入市場，找出最適合投入市場之合併公司。本研究以台灣五家線上 遊戲公司當作為投資者，朝中國市場經營並以中國五家公司作為合作對象，進行聯盟後 之經營績效評估，找出績效變佳者。由結果得知，台灣的華義或大宇若能與中國的網易 聯盟，將可使營運效能大幅提昇。此方法能夠提供台灣遊戲產業投資中國市場的依據， 也可對企業提出建議改善方案，可提供決策者在產業內最佳合作方案建議。 關鍵詞：資料包絡法、線上遊戲、二次驗證。 1. 研究背景與目的 本研究主要是探討台灣遊戲軟體產業 朝中國市場發展的可行性，因在近幾年遊 戲軟體產業及市場發展迅速，許多國家將 遊戲軟體產業視為相當有發展性的產業， 紛紛支持投入遊戲軟體產業，但由於目前 遊戲市場競爭激烈，台灣公司想與國際遊 戲公司大廠競爭相當不易，然而在中國市 場正處於高速成長階段，在遊戲產業白皮 書[1]內容中提到，臺灣市場趨於飽和，如 果未來要走向外銷，最大的市場就是來自 於中國，因此投資中國市場是未來發展的 方向。根據拓墣產業研究所的研究中顯 示，預估台灣遊戲軟體產業總值在 2008 年時將達新臺幣約 391 億，預計比 2003 年成長達到 58% 根據遊戲白皮書[1]中， 預計從 2003 年至 2006 年間，中國遊戲軟體市場年複合 成長率高達 60.9%，因此在這龐大的商機 下，由於在地區及文化上的差異，最快進 入中國市場的方式就是投資中國公司，在 中國眾多遊戲公司之下，臺灣公司該如何 選擇直得投資的中國公司就是本研究該探 討 的 方 向 。 本 研 究 以 資 料 包 絡 法 (Data Envelopment Analysis，簡稱 DEA)結合啟 發式演算法，發展出一套模式，找出台灣 遊戲公司投資中國遊戲公司的標準或依 據，評估以台灣較有規模的遊戲公司與中國遊戲公司的併購合作，期望提升台灣遊 戲產業的實力。 本研究在第二章是對於國內外相關文 獻之探討，而第三章則對所提出之模式進 行介紹，第四章對於所提之模式進行實證 分析並得到投資建議方案，最後第五章將 對於未來研究方向提出建議改進與討論。 2. 文獻探討 2.1 DEA 資料包絡法簡介 資 料 包 絡 分 析 法 (Data Envelopment Analysis)也就是所謂的 DEA 分析方法， 是一種衡量多向項投入與產出之決策單位 相對效率的一種方法，在個體經濟學上的 生產函數，透過資料包絡分析法，找出生 產集合(Productive Possibility Set)與其有效 的生產邊緣（Efficient Frontier），其方法是 以投入、產出之總和比例作為衡量生產效 率的指標，運用決策單位(Decision Making Unit, DMU)，也就是受評估單位採用數學 規劃以極大或極小值得到所謂的效率前緣 (Efficiency Frontier)，及落在此效率前緣上 的 DMU 即為有效率，反之則為無效率。 DEA 在運用上亦有其限制，它只能提 供相對的效率評估，而非絕對效率的均 衡，因此僅能指出相對無效率的單位，即 使是有效率，也不代表具有絕對效率。無 法處理產出項為負值的情形。再者無法解 釋受評估單位之行為對組織效率所造成的 影響，及太多變數將會使區別 DMU 的能 力降低。 最早研究生產邊界和效率的學者是 Farrell[2]，他是第一個以確定性無參數法 (Deterministic Nonparametric Approach)分 析單一產出及投入技術效率的學者，其理 論主要建基於三個假設：（1）生產邊界是 由最有效率的 DMU 所組成，而相較無效 率的 DMU 位於此邊界之下。（2）假設為 固定規模報酬。（3）生產邊界凸向原點 （Convex），而且每一點的斜率均為負。 因此延續 Farrell 概念的 CCR 模型仍假設 規模報酬固定，以線性規劃法估計生產邊 界，並衡量每一決策單位（Decision Making Unit, DMU）的相對效率。
Charnes, Cooper and Rhodes[3] 於 1978 年 參 考 Farrell 以 非 參 數 法 ( Deterministic non-parametric approach)做 單一產品的效率評估研究後，將 Farrell 的將單一產出對單一投入之模式予以一般 化，擴展為不需事先設定權數的多產出對 多投入比率的效率模式，正式效率評估觀 念加以推廣到多種產出(Multiple product) 的模式，簡稱 CCR 模式。 BCC 模式是由 Banker，Charnes，及 Cooper[4]所提出，可衡量各決策單位的純 粹技術效率(pure technical efficiency) 及 規模效率(scale efficiency) ，同時可衡量各 決策單位的規模報酬狀態，即決策單位的 規模報酬可能為遞增、遞減或固定。BCC 模型去除 CCR 模型裡固定規模報酬的假 設，改以變動規模報酬 (Variable Return to Scale, VRS) 替代，來評估各 DMU 的純 粹技術效率， 並且將 CCR 模式的效率值 除以 BCC 模式的效率值，即為該決策單 位的規模效率。由 BCC 模式所得之效率 值為純粹技術效率值，而 CCR 所得之效 率值為整體技術效率。A&P 模型係根據 BCC 模型而來，由於 CCR 與 BCC 模型 最佳效率值為 1，效率值同為 1 的情況下 無法真正區別，並加以排序。 析方式處理。如下圖 1 的 B 點原位於效率 前緣線上，用 A&P 模式計算效率值時將 其移除，效率前緣變成線段，因此 B 點的 效率值將大於 1。
圖 1 A＆P 模式示意圖 但有效率 DMU 的效率值在重新求算 後會大於 1，如此將可對有效率的 DMU 再加以排名，可再進一步區別出有效率單 位（Efficient Units），並加以排序，不再侷 限效率最大值為 1 之情形。 2.2 DEA 相關文獻之探討
Barth and Staat[5]銀行分部的環境變 量和有關的效率。分析在德國的某銀行分 行的效率，使用DEA進行效率分析。傳統 DEA經常發現一家銀行的大多數分行有 效率，這使研究人員斷定銀行通常是"正確 地管理"，並且對於改進將有很少的機會。 二級接近將確定哪個環境參數對效率有顯 著影響可能。Nagarur and Rajbhandari[6] 空調的性能評價和在泰國的冷藏公司的資 料包絡法。DEA已經被用於評價泰國空調 和冷藏工業的效率。透過使用關於在泰國 從對空調的調查和冷藏工業收集的數據決 定要素。詳細的分析已經被進行看每個要 素對效率得分的影響。Golany等[7]人以 DEA方法來衡量以色列電力公司（Israel Electric Corporation）之作業效率，考慮投 入要素包括裝置容量、燃料消耗量、總人 力等三項，而產出因素則包括發電量、營 運獲利力、作業參數之變異、SO2排放量 等四項。Ho and Tan[8]以資料包絡法分析 中小型信託企業營運效率。近來，很多台 灣中小型信托企業已經改組成商業銀行。
這篇文章使用一個DEA模型幫助經理在 重組前後評價銀行業性能。結果表明DEA 模型可能被成功在評價銀行性能方面使 用。Chen and Yeh[9]台灣高科技工業的效 能評估。這項研究應用的DEA,一件多投入 -多產出評估工具，分析目前在台灣發展的 6 個 高 科 技 工 業 的 比 較 。 Yunos and Hawdon[10]以資料包絡法比較已開發國 家電力公司之績效。比較馬來西亞與英國 電力公司之績效，並給予建議。Capobianco and Fernandes[11] 國 際 航 空 工 業 資 本 結 構。以DEA分析航空工業之管理績效，並 給予建議。Kirjavainen and Loikkanen[12] 以DEA分析，高中學校教育之績效。以用 四個變數找出影響高中教育績效之最大影 響者，並對其分析給予建議。Halkos and Salamouris[13]以DEA和金融比率分析，希 臘商業銀行的效率。這項研究探索希臘銀 行在1997-1999這段時間的效率，分析後給 予金融效率比重建議。Doyle and Green [14] 以DEA分析產市場上的相對效率。應用 DEA 評估38 種不同品牌之電腦印表機 在市場上的相對效率。Bowlin [15]以資料 包絡法分析美國不動產維護單位的效率。 應用DEA 評估13 個美國不動產維護單 位的效率分析。Easton等[16]以DEA分析採 購績效。運用DEA 評估英國18 家石油採 購 部 門 之 採 購 績 效 。 Loizides and Tsionas[17]分析鐵路工業成長。以資料包 絡法分析1992~1998歐盟十家鐵路經營業 者之成長。Kirby[18]航空經濟與澳洲國內 航空政策。分析兩家澳洲主要航空公司、 美國國內8家地方性業者及10家主要航空 業者。 3. 本研究所發展之模式 目前國內研究與應用關於兩岸遊戲產 業部份，資料十分欠缺，本研究期望達成
表 13 比較與建議方案表 合作方案推薦表 中級數差為-1（效 率變佳）者 經整理後，效 率前緣分級級 數 本研究結論 華義+網易 1 最佳方案 大宇+網易 1 最佳方案 智冠+網易 2 不推薦 橘子+網易 2 不推薦 5. 結論與建議 本研究以台灣遊戲公司投資中國遊戲 市場為假想研究背景，進行遊戲產業內水 平整合研究，因為遊戲工業往往統籌企 劃、研發、生產和行銷，所以遊戲工業不 如其它產業有明顯的上下游分工。本研究 採用 DEA 方式對於遊戲工業的投入及產 出做效率評估，的結果證實此方法不但能 應用於各產業聯盟合作評估，也可對企業 提出建議改善方案。 因為現有以 DEA 模型討論效率前緣 的研究論文，主要是以討論效率前緣級數 提升者進行推薦方案，並未對效率前緣級 數提升者深入討論並進行推薦方案，此乃 本研究重點項目。 根據本研究，表 8 合作方案推薦表中， 效率前緣級數差等於-1 者共有四間，分別 為「華義+網易」、「智冠+網易」、「遊戲橘 子+網易」和「大宇+網易」。再以 DEA 模 型將華義、遊戲橘子、智冠和大宇透過本 研究創新之二次驗證，分別投入於模擬真 實 市 場 中 計 算 出 效 率 前 緣 分 級 表 （ 表 13），判定四間公司最適合的投資方式並給 予推薦。本研究結果，華義與網易、大宇 與網易為最佳建議合作方案。 未來研究方向可分為以下數點： 1. 企業歷經合作後，實行策略管理的概 念，經常發現採行策略管理時，常使 用縮減組織規模的方法，那麼現在或 未來，企業是否會採行瘦身的工作方 案？ 2. 未來在進行遊戲軟體公司績效評估 時，宜再蒐集更多之投入項目，以詳 細評估遊戲軟體公司無效率之來源， 以增加 DMU 數量，便利比較。 3. 未來宜再蒐集遊戲公司共同成本之實 際資料，並針對投入與遊戲研發的實 際成本作進一步之研析，以分析共同 成本對於經營績效之影響。 4. 如 果 可 以 取 得 各 公 司 內 部 資 料 ( 例 如：會員數、流量大小)將可以增加投 入及產出變數的選擇 。 5. 運用 DEA 進行分析，在變數選取時， 應當有一理論基礎或與相關領域專家 學者詳加討論，以避免謬誤發生。 參考文獻 [1] 拓墣產業研究所，遊戲產業白皮書 (2004)。
[2] Farrell, M. J. “The measurement of productive efficiency,” Journal of the
Royal Statistical Society, Series A,
General 120, pp. 253-281 (1957). [3] Charnes A., Cooper, W. W. and Rhodes,
E. “Measuring the Efficiency of Decision Making Units”, European
Journal of Operational Research,
Vol.2 (6), pp. 429-444 (1978).
[4] Banker, R. D., Charnes, A. and Cooper, W. W. “Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis”,
Management Science, Vol.30, pp.
1078-1092 (1984).
[5] Barth, W. and Staat, M. “Environmental variables and relative efficiency of bank branches: a DEA-bootstrap approach”, International Journal of
Business Performance Management,
Vol.7, pp. 228-240 (2005).
[6] Nagarur, N. N. and Rajbhandari, B. “Data Envelopment Analysis for the performance evaluation of air conditioning and refrigeration companies in Thailand”, International
Journal of Business Performance Management, Vol.3, pp. 276-300
(2001).
[7] Chen, M. F., Hu, J. L. and Cherng, G. D. “Efficiency and productivity of Taiwan’s biotech industry”,
International Journal of Biotechnology,
Vol.7, pp. 307-322 (2005).
[8] Ho, C. T. and Kim, H. T. “Measuring operational efficiency: an approach based on the data envelopment analysis”, International Journal of
Management and Enterprise Development, Vol.1, pp. 120-135
(2004).
[9] Chen, Y. C., Ling, S. and Peng, C. W. “Commercial banks' performance in Taiwan”, International Journal of
Business Performance Management,
Vol.7, pp. 444-463 (2005).
[10] Yunos, J. M. and Hawdon, D. “The efficiency of the National Electricity Board in Malaysia: An intercountry comparison using DEA” Vol.19, pp. 255-269 (1997).
[11] Capobianco, H. and Fernandes, E. “Capital structure in the world airline industry”, Transportation Research Part A, Vol.38, pp. 421-434 (2004). [12] Kirjavainen, T. and Loikkanen, H. A.
“Efficiency Differenced of Finnish Senior Secondary Schools: An Application of DEA and Tonit Analysis1”, Economics of Education
Review, Vol.17 (4), pp. 377-394,
(1998).
[13] Halkos, G. E. and Salamouris, D. S. “Efficiency measurement of the Greek commercial banks with the use of
financial ratios: a data envelopment analysis approach”, Management
Accounting Research, Vol.15,
pp.201-224 (2004).
[14] Doyle, J. R. and Green, R. H. “Comparing products using data envelopment analysis”, OMEGA, Vol.19 (6), pp. 631-638, (1991).
[15] Bowlin, W. F. “Evaluating the efficiency of U.S. air force real-property maintenance activities”,
Journal of Operations Research Society, Vol.38 (2), pp. 127-135
(1987).
[16] Easton, L., Murphy, D. J. and Pearson, J. N. “Purchasing performance evaluation: With data envelopment analysis”, European Journal of Purchasing and Supply Management,
Vol.8, pp. 123-134, (2002).
[17] Loizides, J. and Tsionas, E. G. “Productivity Growth in European Railways: A New Approach”,
Transportation Research Part A 36, pp.
633-644, (2002).
[18] Kirby, M. G. “Airline Economies of Scale and Australian Domestic Air Transport Policy”, Journal of
Transport Economics and Policy,
Vol.20 (3), pp. 339-352, (1986). [19] 王嘉男，林佑政，邱述濱，”資料包絡
法運用於上下游供應鏈之研究：以台 灣光顯示產業為例”,工研院創新與科 技管理研討會，頁 921-930 (2005)。
A DEA Application Model for Strategic Alliance of Online Game
Industry between Taiwan and China
Chia-Nan Wang1, Shu-Ping Chiu2, Jen-Han Tsai2, Yu-Zheng Lin2, Chi-Chia Chiu2
1
Newfancy Technology Inc.
Research Center, Newfancy Technology Inc., 3F, No. 83, Sec. 1, Heping E. Rd., Taipei, 106, Taiwan
2
Institute of Information and Electronic Commerce Kainan University, Tauyuan 338, Taiwan
Abstract
The business of online game is booming in recent years. The business becomes very tougher in this heavy competitive market. Since the market is almost saturation in Taiwan, many Taiwan enterprises are planning to explore new opportunities in China market by forming strategic alliances with China manufacturers. Therefore, integrate the resources of online game companies and find the best candidate of strategic alliance between the Taiwan and China becomes an imperative topic in this industry. The objective of this research is to provide an effective search to find the best strategic partner when a corporation implementing strategic alliance, as well as the analysis of efficiency and resources distribution for the formed corporation after alliance. Based on Data Envelopment Analysis (DEA) and heuristic technique, this research proposes a new systematic approach to resolve the issue of strategic alliance within the environment of multiple inputs and outputs. This research also creates the ideas of Ranking as Indifference Curves (RIC) for DEA performance ranking distinguished and Second Verification (SV) for re-verifying the operation efficiency of alliance. Realistic data for enterprises are collected from published stock markets of Taiwan and China. Total 10 companies of online game are collected. This paper tries to help Taiwan companies to find the right alliance partners in China. The results show that only two best alliance combinations are left. One is Taiwanese Wayi allying with Chinese Netease, and the other is Taiwanese Softstar allying with Chinese Netease. The results are sound by discussion with many industrial managers. For future directions, more variables of input and output can be discussed and more different industries can be assessed by this proposed model.
